使用手写识别的计算器 这个项目是我面向对象编程课程的最后一个项目。 下面介绍该算法为显示包含数学方程式的输入图像的结果而采取的步骤。 1-图像分割 该程序对输入图像进行分段，仅提取所需的数字或运算符进行计算，然后将每个数字或运算符转换为28x28像素的小图像，这将作为神经网络的输入。 程序接受的数字范围是0-9 ，有效的操作是：加法，减法，乘法，除法，幂和使用括号。 2-分类 从算法的第一步中提取的缩略图被馈送到仅具有一个隐藏层的预训练神经网络，该神经网络的预测是S形激活的向量，每个描述输入的依存概率p（i）图像属于第（i）类。 3-计算结果 对每个分割的图像进行分类后，我们将此分类转换为相应的数字或运算符，并将其隐含为表达式字符串。 然后，我们将此字符串传递给基于堆栈的计算器以计算其结果。 然后使用简单的GUI将所有这些包装到JavaFX应用程序中。 将发布文档，以获取有关算法步骤以及

王万良AI人工智能及其应用第3版PPT教程： 第10章 专家系统（AI应用3版）.ppt 第11章 自然语言理解（AI应用3版）.ppt 第1章 绪论（AI应用3版）.ppt 第2章 知识表示（AI应用3版）.ppt 第3章 确定性推理方法（AI应用3版）.ppt 第4章 不确定性推理方法（AI应用3版）.ppt 第5章 搜索求解策略（AI应用3版）.ppt 第6章 进化算法及其应用（AI应用3版）.ppt 第7章 群智能算法及其应用（AI应用3版）.ppt 第8章 人工神经网络及其应用（AI应用3版）.ppt 第9章 机器学习（AI应用3版）.ppt

这个例子显示了在高斯白噪声作用下，使用人工神经网络（ANN）对2DOF系统进行系统辨识。神经网络由以下几层组成：-输入层：4个节点。-隐藏层，-输出层

模式识别课程设计报告、课程实验报告 个人从网上找的资料然后运行、截图并总结。希望对大家有用。 声明：手写数字识别系统没有程序，因为我们的老师没要求我们写程序。但网上这种代码很多，很容易找到。

神经网络图像处理Matlab项目 使用Matlab和人工神经网络从面部线条检测人的年龄的图像处理应用程序

人体的视觉系统是一个相当神奇的存在，对于下面的一串手写图像，可以毫不费力的识别出他们是504192，轻松到让人都忘记了其实这是一个复杂的工作。 实际上在我们的大脑的左脑和右脑的皮层都有一个第一视觉区域，叫做V1，里面有14亿视觉神经元。而且，在我们识别上面的图像的时候，工作的不止有V1，还有V2、V3、V4、V5，所以这么一看，我们确实威武。 但是让计算机进行模式识别，就比较复杂了，主要困难在于我们如何给计算机描述一个数字9在图像上应该是怎样的，比如我们跟计算机说，9的上面是一个圈，下右边是1竖。然而有的人写9会带勾，有的人还会在圈周围多出点什么，总的来说，这种描述法太容易出现其他状况。况且

对常用的突水水源判别方法进行了概述,阐明了其适用条件,为选择合适的方法提供了依据。以石壕煤矿为例,利用BP神经网络方法,选择矿化度、p H值、总硬度、Ca2++Mg2+、K++Na+以及涌水量作为判别因子,建立了水源判别模型,经过样本训练和模型验证,其判别结果与实际基本一致,验证了人工神经网络方法在突水水源判别上的准确性。

BP算法与Cauchy训练的结合 Cauchy训练的速度比Boltzmann训练快 Cauchy训练的速度比BP算法慢 Cauchy训练有可能使网络逃离局部极小点 由BP算法提供直接计算部分，Cauchy算法提供随机部分 wij=wij+∆wij ∆wij=α((1-β)δjoi+β∆wij′)+(1-α )∆wij(c) α∈(0,1)为学习率,β∈(0,1)为冲量系数

BP人工神经网络以及基于BP人工神经网络的MIV变量筛选，用于建立预测模型以及关键工艺参数筛选

基于matlab的人工神经网络激活函数示例基于matlab的人工神经网络激活函数示例